Economische stijging laagopgeleiden
Eindrapportage
Arjen Edzes Lourens Broersma Marije Hamersma Jouke van Dijk
Nicis Institute-Platform31
Postbus 30833 2500 GV Den Haag
T +31 (0)70 302 84 84
[email protected] www.platform31.nl
Uitgave: Nicis Institute | Platform31 Postbus 30833 2500 GV Den Haag
[email protected] www.platform31.nl www.nicis.nl T+31(0)70 302 84 84 F+31(0)70 344 09 67 Redactie: Marjolein Rotteveel Opmaak: Nicis Institute | Platform31 Drukwerk: Digital4.nl Oplage: 100 © Nicis Institute | Platform31 Den Haag, september 2012
Economische stijging laagopgeleiden Eindrapportage
Arjen Edzes Lourens Broersma Marije Hamersma Jouke van Dijk
Groningen, juni 2012
Projectconsortium Binnen het onderzoeksprogramma ‘Kennis voor Krachtige Steden’ van Nicis Institute (per 1 juli 2012 opgegaan in Platform31 – kennis van Stad en Regio) zijn ruim veertig projecten in uitvoering. Dit rapport is het resultaat van één van deze projecten, namelijk het onderzoek ‘Economische stijging van laag opgeleiden’. Ieder onderzoeksproject wordt uitgevoerd door een consortium van één of enkele universitaire onderzoeksgroepen en een aantal stedelijke partijen. Het is een samenwerkingsverband tussen wetenschappers en professionals uit de stedelijke praktijk. Het consortium voor dit onderzoek bestaat uit: -
De Rijksuniversiteit Groningen (RUG)
-
De gemeenten Rotterdam, Helmond, Heerlen, Eindhoven en Emmen, en
-
Nicis Institute.
Projectleider van het onderzoek is prof. dr. Jouke van Dijk, hoogleraar Regionale Arbeidsmarktanalyse bij de Faculteit Ruimtelijke Wetenschappen aan de RUG en voorzitter van Economische Geografie, tevens voorzitter van het bestuur en directeur van de WaddenacademieKNAW.
De Engelstalige papers die ten grondslag liggen aan dit rapport zijn te vinden op: www.nicis.nl/economischestijging
Inhoudsopgave A.
Economische stijging van laagopgeleiden...........................................................5
1. Inleiding, onderzoeksvragen en opzet................................................................5 2. De stedelijke context is complex.......................................................................9 3. Regionale verschillen in positie laagopgeleiden.................................................. 10 4. De arbeidsmarkt polariseert, maar niet overal in gelijk mate............................... 11 5. Transitiematrix 1999-2008............................................................................. 13 6. Tevredenheid met opleiding loont....................................................................14 7. Kans op werk...............................................................................................16 8. Zelfde opleiding, ongelijke match....................................................................17 9. Interactie met hoger opgeleiden.....................................................................19 10. Beleidsimplicaties......................................................................................... 20 B.
Achterliggende Analyse..................................................................................22 1. Algemene ontwikkelingen.............................................................................. 22 1.1. Inleiding.................................................................................................22 1.2. Data en Methode.....................................................................................22 1.3. Analyse..................................................................................................22 2. Transities van opleiding naar werk..................................................................31 2.1. Inleiding.................................................................................................31 2.2. Data en methode.....................................................................................31 2.3. Analyse..................................................................................................32 3. Transities van werkloos naar werk...................................................................35 3.1. Inleiding.................................................................................................35 3.2. Data en methode.....................................................................................35 3.3. Analyse..................................................................................................36
4. Transities van baan naar baan........................................................................ 41 4.1. Inleiding.................................................................................................41 4.2. Data en Methode.....................................................................................41 4.3. Analyse..................................................................................................43
4
A. Economische stijging van laagopgeleiden 1. Inleiding, onderzoeksvragen en opzet Dit eindrapport bevat een overzicht van de belangrijkste resultaten en daaruit volgende beleidsrelevante aanknopingspunten van de deelonderzoeken uitgevoerd binnen het Nicis-onderzoeksproject ‘Economische stijging van Laag opgeleiden’. Het rapport is een vervolg op de voortgangsrapportage van april 2011, waarin per deelanalyse al de stand van zaken werd gerapporteerd.1 In de afgelopen twee jaren is samen met de vijf consortiumgemeenten Rotterdam, Helmond, Heerlen, Eindhoven en Emmen gekeken naar transities van laagopgeleiden op de arbeidsmarkt. Het verbeteren van de economische positie van deze groep mensen is een belangrijk beleidsthema vanwege de zwakke positie die deze groep vaak inneemt in de samenleving, zoals in de literatuurstudie van dit onderzoeksproject al uitvoerig is besproken.2 Meer inzicht in de voorwaarden waaronder lager opgeleiden hun economische positie kunnen verbeteren kan helpen om aanknopingspunten te vinden voor beleid. Hierin is ook de relatie met andere groepen op de arbeidsmarkt van belang omdat zij de mogelijkheden voor laagopgeleiden beïnvloeden. In dit onderzoeksproject hebben we vanuit deze gedachtegang achtereenvolgens gekeken naar de transitie van school naar werk, de transitie van werkloosheid naar werk en mogelijke transities tijdens het werk. In dit eindrapport bespreken we de belangrijkste bevindingen.
Onderzoeksvragen Het begrip economische positie wordt in ons perspectief gemeten door te kijken naar respectievelijk opleiding en vaardigheden, loon of salaris en werk. Met de verschillende deelonderzoeken trachten we inzicht te krijgen in deze drie posities. De doelstelling van het onderzoek is na te gaan onder welke voorwaarden laagopgeleiden transities maken die hun economische positie verbeteren. In dit onderzoek zijn de volgende transities onderscheiden: • • •
van opleiding naar werk; van werkloos naar werk; van baan naar baan.
Bij de voorwaarden kijken we onder meer naar: • • • •
(regionale) arbeidsmarktkenmerken; positieve en negatieve interactie-effecten met hoger opgeleiden. bedrijfskenmerken; persoonskenmerken.
1 Edzes, A.J.E., M. Hamersma, L. Broersma en J. van Dijk (2011). Economische stijging van laagopgeleiden: stand van zaken. Den Haag: NICIS. 2 Edzes, A.J.E., L. Broersma en J. van Dijk (2010). Economische stijging van laag opgeleiden: literatuurstudie. Den Haag: NICIS.
5
Algemene ontwikkelingen (hoofdstuk A.1-4 en hoofdstuk B.1) Naast de verschillende deelstudies zijn de algemene ontwikkelingen op de (stedelijke) arbeidsmarkt, de verhouding tussen werkenden van verschillende niveaus en ontwikkelingen in de werkgelegenheidsstructuur in kaart gebracht. We laten zien hoe steden zich qua beroepsbevolking ontwikkelen over de jaren heen; gaat men qua structuur meer op elkaar lijken (convergeren) of specialiseert men zich juist in een bepaald type werkgelegenheid (polarisatie). Daarnaast onderzoeken we de relatie tussen werkgelegenheidstype en werkgelegenheidsgroei. De belangrijkste resultaten worden beschreven in hoofdstuk A 1-4 en zijn in detail terug te vinden in hoofdstuk B.1. Hiermee wordt een antwoord gegeven op de volgende onderzoeksvraag: • Gaan steden wat betreft arbeidsvraagstructuur meer van elkaar verschillen (divergeren) of meer op elkaar lijken (convergeren)? Leidt een bepaalde structuur tot meer werkgelegenheidsgroei?
Van opleiding naar werk (hoofdstuk A.6-7 en hoofdstuk B.2) Bij het bestuderen van de transitie van school naar werk hebben we een drietal deelonderzoeken uitgevoerd. In de eerste plaats hebben we gekeken naar de keuze om door te leren en (regionale) verschillen hierin tussen schoolverlaters. Vervolgens is de kans op werk versus werkloosheid geanalyseerd voor de groep schoolverlaters die besluit niet door te leren. Voor de werkende schoolverlaters hebben we daarnaast verschillen in loon onderzocht. De analyse is uitgevoerd in een beschrijvend en een statistisch gedeelte. De belangrijkste conclusies zijn te vinden in hoofdstuk A.6 en A.7. De achterliggende beschrijvende analyses zijn te vinden in hoofdstuk B.2. De statistische analyse is beschreven in een Engelstalige paper (“Transitions of low educated graduates”, te downloaden via www.nicis.nl). Hiermee hebben we een antwoord verschaft op de volgende onderzoeksvraag: • In hoeverre hebben regionale aspecten invloed op 1: keuzes van laagopgeleide schoolverlaters om door te leren en 2: de behaalde economische positie op de arbeidsmarkt?
Van werkloos naar werk (hoofdstuk A.5 en hoofdstuk B.3) Het tweede onderzoek richt zich op transities van werkloosheid naar werk. Via een beschrijvende analyse is gekeken naar dynamiek in sociaaleconomische posities van een geselecteerde groep laagopgeleide niet-studerende mensen op verschillende momenten in de tijd in de periode 1999-2008. Hoeveel mensen hebben op een bepaald moment werk, hoeveel mensen zijn werkloos en zijn hierin verschillen tussen de consortiumsteden? Hoe ontwikkelt de sociaaleconomische positie zich door de tijd? Ook hebben we gekeken naar de transities die men maakt vanuit een bepaalde situatie door twee peilmomenten te vergelijken. Welk aandeel vindt uiteindelijk werk en hoeveel mensen blijven er in werkloosheid? Ook kijken we naar de werkloosheidsduur in relatie tot de economische conjunctuur. De belangrijkste resultaten worden beschreven in hoofdstuk A.5. De achterliggende analyse is te vinden in hoofdstuk B.3. Hiermee wordt een antwoord gegeven op de volgende onderzoeksvraag: • Hoe is de sociaaleconomische samenstelling van een groep laagopgeleiden op verschillende tijdsmomenten en hoeveel van deze groep maken in een bepaalde periode transities door?
6
Van baan naar baan (hoofdstuk A.8-10 en hoofdstuk B.4) In deze analyse richten we ons op laagopgeleide werkenden. We hebben ons gericht op het vinden van verklaringen voor verschillen in loon en baanniveau. In hoeverre spelen persoonskenmerken en regionale verschillen een rol? Of zijn kenmerken van het bedrijf belangrijker in het begrijpen van loonverschillen en kansen op de arbeidsmarkt in termen van een hoger baanniveau? Er is zowel een beschrijvend als een statistisch onderzoek uitgevoerd. Een uitwerking van de beschrijvende resultaten is te vinden in hoofdstuk B.4. De statistische analyses zijn beschreven in Engelstalige papers (zie “Human Capital Externalities and proximity: Effects for Low Skilled Workers” en “Personal, labour market and firm effects in explaining under-qualification: the case of low educated”, beide te downloaden via www.nicis.nl). De belangrijkste uitkomsten uit de analyses zijn beschreven in A.8-10. Hiermee hebben we antwoord gegeven op de volgende onderzoeksvragen: • In hoeverre vinden we spill-over effecten van hoogopgeleiden op laagopgeleide werknemers en spelen deze effecten zich vooral af op regionaal of op bedrijfsniveau? • In hoeverre spelen persoonskenmerken, regionale - en bedrijfseffecten een rol in het verklaren van onderkwalificatie (het werken op een hoger baanniveau dan verwacht op basis van de formeel gevolgde opleiding) van laagopgeleide werknemers?
Opbouw De belangrijkste bevindingen uit de deelstudies worden achtereenvolgens beschreven in hoofdstuk A.1-9, gevolgd door een aantal implicaties voor beleid (A.10). De achterliggende analyses worden beschreven in hoofdstuk B en in wetenschappelijke papers (te downloaden via www.nicis.nl).
2. De stedelijke context is complex De positie van kwetsbare, lager opgeleide groepen op de stedelijke arbeidsmarkt is onderwerp van verschillende lokale beleidsagenda’s waaronder onderwijs, sociale zaken, economische ontwikkeling en stadsontwikkeling. Daarbij is de opnamecapaciteit van de arbeidsmarkt in relatie tot re-integratie en de hervorming van de uitvoeringsstructuur (Wet Werken naar Vermogen) een belangrijk thema. Voor de lange termijn is het vraagstuk van belang in relatie tot de economische agenda van steden. Daarbij staat onder meer de wisselwerking tussen de economische structuur in stad en regio en de positie van laagopgeleiden centraal. Dit laatste perspectief staat centraal in deze studie. Er zijn geen eenvoudige antwoorden op de vraag hoe de economische positie van kwetsbare, vaak lager opgeleide groepen op de stedelijke arbeidsmarkt kan worden verbeterd. De literatuur op dit punt is omvangrijk, veelzijdig en karakteriseert zich vooral door de verschillende perspectieven op het onderwerp.3 Eén daarvan is om de stedelijke arbeidsmarkt voor te stellen als een roltrap waarbij burgers kunnen stijgen in hun economische positie.4 De vraag is: onder welke voorwaarden kan deze stijging worden gerealiseerd? We hebben ons gericht op de twee posities die in de stedelijke beleidsdiscussie dominant zijn: moet de lokale over3 4
Edzes, A.J.E., L. Broersma en J. van Dijk (2010). Ibid. VROM-raad (2006). Stad en stijging. Den Haag: VROM-Raad; Fielding, A.J. (1992). Migration and Social Mobility: South East England as an Escalator Region. Regional Studies, 26, 1, pp. 1-15.
7
heid investeren in laagopgeleiden om ze economisch een stap vooruit te helpen of moet juist worden geïnvesteerd in het aantrekken dan wel vasthouden van hoogopgeleiden omdat lager opgeleiden hiervan profiteren? En als ze hier dan al van profiteren, wat zijn dan de achterliggende processen? Voor deze studie hebben we gebruik gemaakt van het onderstaande conceptuele model (figuur A.2.1). We veronderstellen hierbij dat de economische positie kan worden geoperationaliseerd door te kijken naar de baan(loosheid), het (gevolgde) onderwijs en het verdiende salaris. Economische stijging hebben wij in dit verband opgevat als transities van de ene naar de andere situatie waarbij van verbetering sprake is. Dat is bijvoorbeeld het geval bij de overgang van werkzoekend naar werkend en bij het realiseren van een hoger salaris. Vele zaken beïnvloeden de vraag of laagopgeleiden succesvol (kunnen) zijn. Het heeft bijvoorbeeld van doen met de ontwikkeling van de economie, de structuur van de werkgelegenheid, de mobiliteitsbereidheid, de institutionele vormgeving en het beleid van de overheid. Speciale aandacht hebben we geschonken aan de interactie-effecten met hoger opgeleiden omdat, zoals we nog zullen zien, deze een bijzondere rol vervullen voor de economische positie van laagopgeleiden.5 Zowel het schema als de achterliggende theoretische veronderstellingen zijn uitgebreid beschreven in een Nicis-literatuurstudie. Figuur A.2.1: Conceptueel analysekader
5 Vgl. Venhorst, V.A. (2012). Smart Move? The spatial mobility of higher educated graduates. Groningen: RUG.
8
3. Regionale verschillen in positie laagopgeleiden Mensen zijn laagopgeleid wanneer ze geen startkwalificatie hebben verworven.6 Het aandeel laagopgeleiden is de afgelopen decennia fors afgenomen, een gevolg van de onderwijsexpansie die zich de afgelopen decennia heeft voltrokken. Zo is in de afgelopen drie decennia het percentage personen met alleen basisonderwijs in de potentiële beroepsbevolking gedaald van 23% naar 8%, in absolute aantallen van 2,1 miljoen in 1971 naar 0,9 miljoen in 2008. Eenzelfde trend geldt voor de categorie met een vmbo/mbo1/avo-opleiding, deze is gedaald van 36% in 1981 naar 24% in 2008. Ondanks deze daling, is de economische positie van laagopgeleiden slechter dan van andere opleidingscategorieën: de werkloosheid is hoger, de participatiegraad is lager, de baankenmerken zijn ongunstiger en het salaris is in verhouding lager.7 Echter, er is geen indicatie dat de relatieve arbeidsmarktkansen van laagopgeleiden slechter zijn geworden sinds het midden van de jaren tachtig.8 Er zijn grote regionale verschillen in het aandeel laagopgeleiden als onderdeel van de beroepsbevolking. Als percentage van de werkzame beroepsbevolking hebben zeer sterk stedelijke gemeenten en/of grote gemeenten het laagste aandeel laagopgeleiden. Met uitzondering van Eindhoven ligt het aandeel laagopgeleiden in de consortiumgemeenten echter boven het landelijk gemiddelde. Eindhoven kent in verhouding minder laagopgeleiden. Bij een vergelijking van de situatie in 1999 en 2008 zien we dat zowel Nederland als de verschillende steden in het consortium een daling van het aandeel laagopgeleiden laten zien. Daar staat een stijging van het aandeel hoogopgeleiden tegenover. De groep middelbaar opgeleiden is qua aandeel in de beroepsbevolking over het algemeen constant gebleven. Los van het aandeel laagopgeleiden zijn er ook regionale verschillen in de economische positie. Van alle laagopgeleiden in de beroepsbevolking in 2011 werkt 92%. Kijken we naar de consortiumgemeenten dan zijn deze percentages 84% in Rotterdam, 86% in Helmond, 88% in Emmen, 90% in Heerlen en 94% in Eindhoven. Daarnaast blijkt: hoewel de participatiegraad lager is, verdienen laagopgeleide werkenden in verhouding meer in het Westen en in stedelijke gebieden. De regionale variatie leidt tot de vraag wat deze verschillen veroorzaakt. Waarom is de economische positie van laagopgeleiden in de ene regio of stad beter dan ergens anders?
6 Een startkwalificatie is behaald wanneer een persoon een diploma heeft gehaald op minimaal mbo2-niveau. Een laagopgeleide is strikt genomen iemand die dit niveau dus niet heeft bereikt. Met andere woorden: Een laagopgeleide heeft een maximaal behaald opleidingsniveau op het niveau van het basisonderwijs of de eerste fasen van het voortgezet onderwijs (lbo/vbo/vmbo, mulo/mavo, de eerste drie leerjaren van havo/vwo) en het laagste niveau van het beroepsonderwijs vergelijkbaar met de huidige assistentenopleiding (mbo, kwalificatieniveau 1). 7 CPB (2007). De maatschappelijke opbrengsten van opleidingen. Den Haag: CPB. 8 Josten, E. (2010). Minder werk voor laagopgeleiden? Ontwikkelingen in baanbezit en baankwaliteit 1992-2008. Den Haag, SCP; Beer, P. de (2006). Perspectieven voor laag opgeleiden. Tijdschrift voor Arbeidsvraagstukken, 22, 3, p. 218-233.
9
4. De arbeidsmarkt polariseert, maar niet overal in gelijk mate Een eerste aanknopingspunt vinden we door te kijken naar de vraag op de arbeidsmarkt. De absolute vraag naar laagopgeleiden op de arbeidsmarkt verandert nauwelijks.9 Ook het voor laaggeschoolde vacatures gevraagde opleidingsniveau is in de periode 1987-2007 niet op grote schaal gestegen. Het aandeel elementaire banen, oftewel banen waarvoor in principe geen opleiding nodig is, is in de totale werkgelegenheid gelijk gebleven. Opvallend is wel dat er over de periode 1996-2011 sprake lijkt te zijn van polarisatie op de arbeidsmarkt. Het aandeel elementaire en hogere en wetenschappelijke banen in de Nederlandse economie blijft gelijk of stijgt, terwijl de aandelen lagere en middelbare banen dalen. Dit verschijnsel doet zich voor in de meeste consortiumgemeenten, en is ook in internationaal verband opgetekend.10 In Emmen en Heerlen groeit het aandeel hogere banen, gemeten op basis van de beroepsbevolking wonend in de gemeente, echter wat minder. De verklaring voor de polarisatie op de arbeidsmarkt wordt gevonden in de automatisering en de toenemende globalisering en wereldhandel. Deze ontwikkelingen zorgen er voor dat lagere en middelbare werkgelegenheid via ICT kan worden geautomatiseerd of verplaatst naar lagelonenlanden. Daar waar arbeid in fysieke zin plaats- of locatiegebonden is (bijvoorbeeld bij de elementaire banen in de schoonmaaksector of in de persoonlijke dienstverlening) is dit proces minder aan de orde. Dit leidt er ook toe dat de specifieke sectorstructuur in een regio verschillend doorwerkt in de vraag naar (laaggeschoold) personeel. Van der Waal (2010a, 2010b: 59) constateert bijvoorbeeld dat steden of agglomeraties in toenemende mate verschillen in hun postindustrieel profiel op basis van hun aandeel in geavanceerde producentendiensten. In de meest postindustriële steden brengt de clustering van geavanceerde dienstverlening zo veel arbeidsvraag naar laaggeschoolden in de commerciële dienstverlening met zich mee dat daar de laagste werkloosheid onder laaggeschoolden wordt gemeten.11 Uit onze resultaten blijkt dat een hoog aandeel hoger opgeleiden in een regio inderdaad een positieve relatie heeft met de werkgelegenheidsgroei (tabel B.1.3 en fig. B.1.5). Steden lijken het dus beter te doen wanneer er veel hoog opgeleiden werkzaam zijn. Het beeld is anders wanneer we inzoomen op steden met een hoog aandeel laagopgeleiden in de werkgelegenheid. Deze steden laten niet specifiek een positieve of negatieve ontwikkeling van de werkgelegenheidsgroei zien. Opvallend is dat de positieve relatie tussen de aanwezigheid van hoogopgeleiden en werkgelegenheidsgroei niet geldt wanneer we kijken naar baanniveaus: we vinden geen relatie tussen het aandeel hoge en wetenschappelijke banen en de ontwikkeling van de werkgelegenheid in de agglomeratie (tabel B.1.4). Daaruit kunnen twee conclusies worden getrokken. In de eerste plaats loopt het positieve effect van hoogwaardige arbeid op de werkgelegenheidsgroei langs de lijn van het arbeidsaanbod (de hoger opgeleiden) en niet langs de lijn van de arbeidsvraag (de baanniveaus). In de tweede plaats blijkt dat opleiding 9 Josten, E. (2010), ibid; Edzes, Broersma en Van Dijk (2010), ibid. 10 OECD (2011). Employment Outlook 2011. Paris: OECD; Autor, D.H, Katz, L.F. and Kearney M.S. (2006).The Polarization of the US Labor Market. American Economic Review, 96(2), 189-194; Goos, M. & A. Manning A. (2007). Lousy and Lovely Jobs: The Rising Polarization of Work in Britain. Review of Economics and Statistics, 89(1), 118133. 11 Waal, J. van der (2010a). Unravelling the Global City Debate. Economic Inequality and Ethnocentrism in Contemporary Dutch Cities. Dissertation, Erasmus University of Rotterdam; Waal, J. van der (2010b); Stedelijke economieën in een tijd van mondialisering: Arbeidsmarktkansen en ethnocentrisme van laaggeschoolden in Nederlandse steden. Amsterdam: Amsterdam University Press/NICIS. In de ranglijst van 22 agglomeraties met de meeste geavanceerde producentendiensten ten opzichte van de industrie in 2007 scoren Utrecht en Amsterdam het hoogste. Eindhoven (waaronder Helmond) neemt de 17e plaats in, Heerlen de 20e plaats. Emmen is deze CBS-definitie niet als agglomeraat aan te merken.
10
en baanniveau niet één op één gelijk geschakeld kunnen worden. Kijken we naar de effecten voor laagopgeleiden dan blijkt dat de werkgelegenheidsgroei in steden met een hoog aandeel hoger opgeleiden in het basisjaar 1997 vooral ten goede komt aan de werkgelegenheid voor lager, maar ook middelbaar opgeleiden (tabel B.1.3 en fig. B.1.6). Wederom vinden we voor agglomeraties andere relaties wanneer we kijken naar de banenstructuur. Anders dan bij opleidingsniveaus is er geen relatie tussen een hoog aandeel hogere en wetenschappelijke banen en banengroei van elementaire banen. Deze relatie is er overigens wel wanneer we alle gemeenten in ogenschouw nemen. In steden met een hoog aandeel elementaire en lage banen groeit de werkgelegenheid in hogere en wetenschappelijke banen juist relatief snel (tabel B.1.4).
5. Transitiematrix 1999-2008 Voor inzicht in de ontwikkelingen van de arbeidsmarktsituatie van lager opgeleiden op langere termijn maken we gebruik van de CBS-microdata, een geanonimiseerd databestand beheerd door het CBS waarin in principe voor ieder individu in Nederland informatie beschikbaar is. Daaruit hebben we een representatieve groep Nederlandse burgers geselecteerd die actief participeren op de arbeidsmarkt, met een laagopleidingsniveau en een leeftijd tussen de 21 en 45 op 1 december 1999 en gekeken naar hun sociaaleconomische status op verschillende peilmomenten.12 In de periode van 1999-2008 stijgt het aandeel laagopgeleide personen met een status als werknemer van 65% tot 68% evenals het aandeel zelfstandigen wat stijgt van 5% naar circa 8%. Het aandeel mensen met een uitkering daalt van circa 7% in 1999 naar 4% in 2008. Ook het aandeel laagopgeleide personen met een WW-uitkering daalt licht (afgerond van 2% naar 1%) (tabel B.3.1). Emmen en Rotterdam laten net als het Nederlandse gemiddelde een stijging zien van het aandeel laagopgeleide werkenden over de periode 1999-2008. In Helmond, Heerlen en Eindhoven daarentegen is het aandeel laagopgeleide werkenden niet toegenomen over deze periode. Wat betreft het aandeel laagopgeleide bijstandsgerechtigden zitten alle vijf gemeenten boven het landsgemiddelde in zowel 1999 en 2008, wel zien we in elke gemeente conform de landelijke trend over deze periode een daling optreden. Wat betreft werkloosheidsduur zien we een duidelijke relatie met conjunctuur: in periodes met economische hoogconjunctuur vinden laagopgeleiden duidelijk sneller werk dan in periodes met een mindere economische situatie. In hoogconjunctuur heeft circa 35 tot 40% van de laagopgeleide WW-ers na een half jaar weer werk, in een periode van laagconjunctuur is dit circa 27%. Het aandeel laagopgeleide personen dat een baan vindt loopt op van circa 38% in laagconjunctuur naar circa 52% in hoogconjunctuur. Wat betreft de transitie van bijstand naar werk zien we een zelfde soort tendens. Wel moet gezegd worden dat het aandeel laagopgeleide personen dat binnen twee jaar naar werk gaat vanuit een bijstandsuitkering beduidend lager ligt dan wanneer men zich in een WW-situatie bevindt. In een periode van hoogconjunctuur vindt circa 15% van degenen met een bijstandsuitkering binnen een half jaar en circa 35% binnen twee jaar een baan. In een slechtere economische situatie is dit respectievelijk 12 Omdat de opleidingsgegevens pas recentelijk worden geregistreerd zijn we, vooral in het geval van laagopgeleiden, beperkt tot mensen die recentelijk een opleiding hebben gevolgd en mensen die op een bepaald moment hebben deelgenomen aan de Enquête Beroepsbevolking (EBB). De groep geselecteerde Nederlanders blijkt echter, ondanks de gemiddeld lagere leeftijd verder niet specifiek af te wijken.
11
10% na een half jaar en 22 tot 24% na twee jaar (tabel B.3.2 en B.3.3). Dat bijstand vaak een langdurig proces is blijkt ook wanneer we de situatie in 1999 vergelijken met de situatie in 2008. Slechts zo’n 36% van de laagopgeleide personen die op het eerste peilmoment een bijstandsuitkering heeft is in 2008 aan het werk. Over het algemeen blijkt het hebben van een uitkering een graadmeter voor minder kans op succes op de arbeidsmarkt: als we kijken naar de laagopgeleide personen die in 1999 in een WW-uitkering zaten dan blijkt in 2008 circa 58% een baan te hebben. Van de mensen die in 1999 werkende waren is dit in 2008 zo’n 83% (tabel B.3.4).
6. Tevredenheid met opleiding loont Uit veel onderzoeken blijkt dat het hebben van een hogere opleiding de kansen op de arbeidsmarkt verbetert.13 Onze onderzoeksbevindingen bevestigen dat het investeren in opleiding loont. Gemiddeld levert ieder extra opleidingsjaar 8% meer loon op (de zogenaamde ‘private return on investment’). Voor werknemers met een lagere opleiding geldt ook dat opleiding loont, hoewel hier een extra opleidingsjaar gemiddeld maar 3% meer rendement qua salaris oplevert. Vanuit het arbeidsmarkt- en onderwijsbeleid speelt het begrip startkwalificatie een belangrijke rol. De achterliggende gedachte is dat iedereen minimaal een opleiding op mbo-2 niveau zou moeten hebben om succesvol op de arbeidsmarkt te kunnen opereren. Doorstroming tot dat niveau is dus een expliciet beleidsdoel. Kijken we naar de keuze om door te leren op vmbo- en de lagere niveaus van het mbo, dan blijkt circa 86% van de vmbo schoolverlaters door te leren. Voor mbo niveau 1 en mbo niveau 2 is dit respectievelijk 50% en 41%. Het overgrote deel stroomt dus door na het vmbo, maar slechts de helft stroomt van mbo-1 door naar een vervolgopleiding (tabel B.2.1). Vrouwen leren minder vaak door dan mannen, wellicht omdat zij vaker voor het huishouden kiezen. Allochtonen leren juist vaker door, wellicht omdat zij vanuit een nog altijd aanwezige discriminatie op de arbeidsmarkt het belang van doorleren meer inzien. De kans op doorleren neemt daarnaast af met leeftijd: laagopgeleiden die bij afstuderen op het vmbo of mbo1-2 al wat ouder zijn dan de gemiddelde student, leren minder vaak door. Schoolverlaters met een Beroeps Begeleidende Leerweg (BBL) stoppen na afstuderen vaker met leren dan degenen die een Beroeps Opleidende Leerweg hebben gevolgd (BOL). Regionale arbeidsmarktomstandigheden beïnvloeden de keuze om door te leren. Vooral de groep zonder startkwalificatie (met een opleidingsniveau op maximaal vmbo of mbo-1 niveau) lijkt in vergelijking met de groep laagopgeleiden met startkwalificatie (met een opleidingsniveau op mbo-2 niveau ) de regionale situatie vaker mee te nemen in de afweging om al dan niet door te leren. In meer stedelijke gebieden, gebieden met een hogere economische groei en met een groot aanbod lagere banen besluit men vaker niet door te leren. Regionale arbeidsmarktomstandigheden fungeren als een ‘pull’-factor in de afweging om al dan niet door te leren. Ofwel: als de kans op werk groot is, dan wint de wens om nu al te gaan werken en geld te verdienen, het van de wens om te investeren in een vervolgopleiding tot mbo2. Hogere (regionale) werkloosheid zorgt er aan de andere kant voor dat laagopgeleiden besluiten om vaker door te leren. Naast de regionale arbeidsmarktsituatie, speelt ook de schoolsituatie een belangrijke rol bij 13 Zie voor een overzicht: Edzes, Broersma & Van Dijk (2010), ibid.
12
de toekomstige kansen op de arbeidsmarkt. Het aanbieden van een leuke en interessante opleiding bevordert niet alleen de kans op doorleren, maar ook de daarop volgende kans op de arbeidsmarkt. Wellicht heeft men hierdoor extra vaardigheden (skills) ontwikkeld en of is men meer gemotiveerd waardoor de kansen op de arbeidsmarkt worden versterkt. De groep ontevreden studenten is wellicht minder gemotiveerd, wil zo snel mogelijk geld verdienen en neemt daarmee wellicht sneller genoegen met een minder betaalde baan. Dit blijkt ook uit de resultaten wat betreft loon van deze groep. Dit ligt lager dan voor de groep tevreden schoolverlaters. Wat betreft studiesector zijn de kansen op de arbeidsmarkt het beste voor schoolverlaters met een technische opleiding (maar alleen voor de groep met startkwalificatie) en/ of een beroepsgerichte opleiding. Dit geldt ook voor het verdiende salaris. Als we persoonsaspecten, arbeidsmarkteffecten en opleidingseffecten afwegen, kunnen we concluderen dat voor de studenten zonder startkwalificatie alle drie de effecten ongeveer een even grote rol spelen. Voor studenten met een startkwalificatie lijkt de arbeidsmarkt een minimaal effect te hebben op de keuze om door te leren. De schoolsituatie is voor hen van groter belang.
7. Kans op werk Wat betreft de kans op werk voor laagopgeleiden bij schoolverlaten blijkt er over het geheel genomen een beperkt verschil waarneembaar naar opleidingsniveau. Circa 83% van de vmbo- en mbo-niveau 1 schoolverlaters heeft na een jaar werk gevonden. Voor de schoolverlaters met een diploma op mbo-niveau 2 ligt dit iets hoger, namelijk circa 93%. Wel moeten we erbij zeggen dat het hier gaat om een gemiddelde over de periode 1996-2008, waar dus nog geen rekening is gehouden met de huidige economische crisis (tabel B.2.3). We vinden dat vrouwen en allochtonen het nog altijd minder goed doen in termen van baankansen. Wat betreft het startersloon vinden we echter geen verschil tussen autochtonen en allochtonen. Oudere schoolverlaters zonder startkwalificatie doen het beter wat betreft de kans op werk en verdiende salaris. Echter, dit beeld is anders na het behalen van de startkwalificatie: na het behalen van een diploma op mbo-2 niveau hebben de jongere schoolverlaters een grotere kans op werk. Regionale kenmerken beïnvloeden daarnaast de kans op werk. Het wekt geen verbazing dat in gebieden met veel werkloosheid de kans op werk van schoolverlaters kleiner is en het verworven loon lager is. In tijden van economische groei en bij de aanwezigheid van veel banen op laag niveau en veel hoogopgeleiden is de kans op werk groter, maar is er geen effect op het loon van laagopgeleiden. Het positieve effect van hoogopgeleiden duidt op een mogelijk consumptie-effect waarbij hoger opgeleiden een vraag aan dienstverlening creëren waarvan laagopgeleiden profiteren. Bovenop deze arbeidsmarkteffecten hebben laagopgeleide schoolverlaters in stedelijke gebieden een kleinere kans op werk. Het loon in stedelijke gebieden ligt echter wel vaak hoger. Blijkbaar ondervinden laagopgeleide starters meer concurrentie van andere werkzoekenden die worden aangetrokken door steden bij het vinden van werk, maar ligt het gemiddelde salarisniveau in de steden hoger. We vinden een kleine directe aanwijzing voor verdringing op de arbeidsmarkt: voor de groep schoolverlaters die na het behalen van het mbo-2 diploma stopt met leren, is de kans op werk kleiner, en ook het loon lager, bij een overaanbod van hoger opgeleiden op de arbeidsmarkt. Dat we dit effect niet vinden voor de laagst opgeleiden komt wellicht doordat de banen die de laagst opgeleiden vervullen niet aantrekkelijk zijn voor hoger opgeleiden.
13
8. Zelfde opleiding, ongelijke match Hoewel opleiding altijd als belangrijkste graadmeter wordt genomen voor wat iemand kan, valt in de praktijk een grote heterogeniteit op. Mensen met hetzelfde opleidingsniveau voeren taken van verschillende niveaus uit of één en dezelfde taak wordt door mensen met verschillende opleidingsniveaus uitgevoerd. Wanneer iemand te hoog is opgeleid voor de taken die hij vervult is sprake van overkwalificatie. Onderkwalificatie is het geval wanneer iemand, op basis van de formeel gevolgde opleiding, onvoldoende is opgeleid voor de taken die hij doet. De mate van over- dan wel onderkwalificatie is een signaal of het beschikbare menselijke kapitaal op de meest efficiënte manier wordt ingezet voor de te verrichten taken. De Raad voor Werk en Inkomen heeft op basis van een vergelijking van opleidings- en baanniveaus voor 2010 laten zien dat overkwalificatie voornamelijk voorkomt in de elementaire en lagere verzorgende en administratieve banen.14 Omdat over- dan wel onderkwalificatie niet eenvoudig is te meten hebben we twee invalshoeken gebruikt.15 De eerste invalshoek is een statistische: daar waar een combinatie van opleiding en taken het meeste voorkomt wordt verondersteld dat sprake is van een match. Alles wat daarboven of daaronder zit wordt aangeduid als over- dan wel onderkwalificatie. De tweede invalshoek is normatief en gaat uit van bestaande classificaties die aangeven welke taken bij welk opleidingsniveau horen. Bijvoorbeeld: elementaire taken worden geacht te worden uitgevoerd door mensen met ten hoogste basisonderwijs, de meest complexe taken door mensen met een universitaire opleiding. De standaard beroepenclassificatie van het CBS koppelt op deze manier opleidingsniveaus aan beroepsniveaus. Alle mensen die een baanniveau hebben beneden of boven het niveau wat verwacht wordt op basis van de formeel gevolgde opleiding, duiden wij als over- dan wel ondergekwalificeerd. Op basis van onze indeling blijkt dat 20% (statistisch) en 2% (normatief) van de laagopgeleide werknemers overgekwalificeerd is. Aan de andere kant is 13% (statistisch) tot 18% (normatief) van de laagopgeleide werknemers ondergekwalificeerd (tabel B.4.3). Wat opvalt, is dat er een grote (regionale) variëteit is in de mate van over- en onderkwalificatie. Overkwalificatie komt in verhouding meer voor in perifere regio’s en onderkwalificatie in meer stedelijke en in het westen gelegen regio’s. Ook tussen de consortiumgemeenten zien we verschillen. In Heerlen komt ten opzichte van de overige consortiumsteden en het Nederlandse gemiddelde de meeste overkwalificatie en de minste onderkwalificatie onder laagopgeleiden voor. Overigens ligt het aandeel onder gekwalificeerde laagopgeleiden in alle consortiumsteden onder het Nederlandse gemiddelde. In Rotterdam werken relatief meer laagopgeleiden op hun ‘eigen niveau’ op basis van de behaalde opleiding. De vraag is hoe we kunnen verklaren waarom de ene werknemer een grotere kans heeft te werken op een hoger baanniveau dan de ander ondanks dat zij eenzelfde opleidingsniveau hebben behaald. Wat betreft persoonskenmerken vinden we dat de kans op onderkwalificatie kleiner is voor vrouwen en allochtonen en dat deze evenredig toeneemt met leeftijd. Ook vinden we dat de verschillen tussen mannen en vrouwen en allochtonen en autochtonen wat betreft de kans op onderkwalificatie toenemen naarmate men ouder wordt. Een voorbeeld: het verschil in kans is voor mannen en vrouwen op 20-jarige leeftijd kleiner dan op 50-jarige leeftijd. 14 Raad voor Werk en Inkomen (2012). Arbeidsmarktscan 2012. Den Haag; Vgl. OECD (2011). Employment Outlook 2012. Paris: OECD. 15 Vgl. Quintini, G. (2011). Over-Qualified or Under-skilled: a review of existing literature. Paris: OECD
14
De economische conjunctuur op nationaal niveau heeft geen effect op de kans op onderkwalificatie van laagopgeleiden. Als we onderkwalificatie relateren aan regionale arbeidsmarktkenmerken vinden we maar een beperkt aantal invloedsfactoren. Het enige effect dat in beide metingen significant is, is de relatie met regionale werkloosheid. Onderkwalificatie komt minder voor in regio’s met veel structurele werkloosheid. We vinden echter geen duidelijke aanwijzingen dat het loon van werknemers hier ook lager ligt. Daarnaast vinden we nog een effect van stedelijkheid in die zin dat laagopgeleiden in steden vaker op het ‘verwachte’ baanniveau werken. Dit effect verschilt niet voor jongere en oudere werknemers. Laagopgeleide werknemers hebben in een regionale arbeidsmarkt met relatief veel hoogwaardig werk een iets grotere kans om op een hoger baanniveau te werken. We vinden overigens geen relatie met het aandeel hoger opgeleide werkenden in de regio op zowel de kans op onderkwalificatie als op het loon van een werknemer. Voegen we naast de regionale arbeidsmarkt ook de bedrijfsomgeving toe dan blijkt het bedrijf veel sterker dan de regio een omgeving te zijn waar mogelijkheden voor laagopgeleiden ontstaan. De kans op onderkwalificatie ligt veel hoger in kleine bedrijven wat wellicht te verklaren is doordat werknemers hier fysiek dichterbij elkaar zijn en daarnaast bredere taakpakketten hebben (dit is voor lager opgeleiden positief en voor hoger opgeleiden wellicht juist negatief van invloed op het baanniveau). Daarnaast is de kans op onderkwalificatie voor een laagopgeleide veel groter in een bedrijf met relatief veel hoge banen, maar kleiner wanneer er meer hoger opgeleiden in het bedrijf zijn dan dat er hogere banen zijn (verdringing). Het positieve effect van het aandeel hoge banen is echter groter dan het negatieve effect van verdringing. Ook wanneer we het loon van werknemers analyseren vinden we dergelijke resultaten. Recente internationale inzichten en onderzoek benadrukken in toenemende mate de noodzaak voor een fundamentele verandering in denken over competenties en vaardigheden in relatie tot de te verrichten taken. Daarin wordt gesteld dat de gevolgde opleiding geen goede graadmeter is voor wat iemand kan en dat de totale voorraad aan menselijk kapitaal in een regio wordt bepaald door de optelsom van aanwezige competenties en vaardigheden (‘skills’).16 Onze resultaten bevestigen dat de gevolgde opleiding niet gelijk is aan de kansen die een persoon heeft op het bereiken van goede economische posities op de arbeidsmarkt. Onze resultaten bevestigen ook dat het bedrijf in veel sterkere mate dan de regio het terrein is waar mogelijkheden en beperkingen in termen van ‘knowledge spillovers’ oftewel leermogelijkheden voor laagopgeleiden bepaald worden. Dat is niet vreemd omdat in arbeidsorganisaties taakstructuren en personele bezetting worden geregeld en niet op stedelijk of regionaal niveau.
9. Interactie met hoger opgeleiden In de bespreking van kansen op werk, onderkwalificatie en loon kwam de relatie met hoogopgeleiden op de arbeidsmarkt al ter sprake. De aanwezigheid van menselijk kapitaal in regio’s kan positieve en negatieve gevolgen hebben voor de ontwikkeling van die regio’s en in het bijzonder voor de positie van laagopgeleiden. De positieve gevolgen zijn theoretisch het sterkst in stedelijke gebieden, omdat leereffecten en samenwerking de economische prestaties kunnen bevorderen. We noemen dit productiviteitseffecten. Naast productiviteitseffecten kunnen we consumptie-effecten onderscheiden die ontstaan doordat hoger opgeleiden een vraag aan producten en dienstverlening creëren waarvan anderen kunnen profiteren. 16 OECD (2012). Better Skills, better jobs, better lives: A strategic approach to skills policies. Paris: OECD.
15
Venhorst (2012)5 vindt in zijn Nicis-onderzoek naar het effect van instroom van recent afgestudeerden op de stedelijke economische werkgelegenheidsstructuur dat zowel productie als consumptie-effecten zich voordoen. Een relatief sterke instroom van recent afgestudeerden leidt tot een groter aandeel van banen waarvoor een laag of middelbare vaardighedenniveau is vereist. Naast positieve effecten doen zich ook negatieve effecten op de positie van laagopgeleiden voor. Deze hebben voornamelijk van doen met verdringing op de arbeidsmarkt wanneer er meer hoger opgeleiden zijn dan banen waarvoor een hoge opleiding wordt vereist. Op landelijk niveau is deze verdringing al eerder aangetoond en is vastgesteld dat dit eerder een structureel effect is dan een conjunctureel effect.17 In onze deelstudies vinden we eveneens sterke aanwijzingen van interactie-effecten met hoger opgeleiden. Zowel positieve als negatieve effecten doen zich voor. Kijken we naar de positieve, productie- en consumptie-effecten, dan doen consumptie-effecten zich vooral voor in de regio. Dat wil zeggen dat banen waar elementaire of lage vaardigheden zijn vereist profiteren van een hoog aandeel van hoog opgeleiden onder de woonachtige bevolking. Deze creëren klaarblijkelijk een vraag naar producten en diensten waar lager opgeleiden of zij die elementaire of lagere banen bezetten van profiteren. Een voorbeeld van een in ons onderzoek gevonden consumptie-effect op regionaal niveau is de positieve relatie tussen de kans op werk en het aandeel woonachtige hoger opgeleiden in de regio. Een ander voorbeeld van een consumptie effect is de relatie die we vinden tussen het aandeel hoger opgeleiden wonend in de regio en het loon van laagopgeleide werknemers. Productiviteitseffecten doen zich ook voor, maar veel sterker op bedrijfsniveau in vergelijking met het regionale niveau. Dat is een belangrijke constatering omdat het aantoont dat leerprocessen zich binnen bedrijven voordoen en niet zozeer op regionaal niveau tussen bedrijven. Ditzelfde geldt voor negatieve interactie-effecten tussen hoog- en laagopgeleiden. Hoewel we wel een negatieve relatie vinden van een overaanbod van hoogopgeleiden in de regio op de kans op werk en het loon bij schoolverlaten, worden er verder geen duidelijke negatieve relaties op regionaal niveau gevonden. Op bedrijfsniveau vinden we echter wel duidelijke aanwijzingen voor verdringing, hoewel het effect van verdringing lijkt te worden overtroffen door de positieve leermogelijkheden voor lager opgeleiden die zich in bedrijven met veel hoog opgeleiden en hoge banen voordoen.
10. Beleidsimplicaties We begonnen deze studie met een belangrijk dilemma in de stedelijke discussie, namelijk moet de lokale overheid investeren in laagopgeleiden om ze economisch een stap vooruit te helpen of moet juist worden geïnvesteerd in het aantrekken dan wel vasthouden van hoog opgeleiden omdat lager opgeleiden hiervan profiteren? Voor beide valt wat te zeggen. Ook uit ons onderzoek blijkt dat investering in opleiding loont, zeker op individueel niveau, zowel in termen van verworven salaris als de kansen op een baan. In dat opzicht is het een interessant onderzoeksgegeven dat tevredenheid met school eerder leidt tot doorstuderen en dat ook de kansen op de arbeidsmarkt hierdoor licht lijken te verbeteren. Verbetering van de aantrekkelijkheid van (beroeps)onderwijs is daarmee een manier om laagopgeleiden hogerop te helpen. 17 Gesthuizen, M. & Wolbers, M.H.J. (2010). Employment transitions in the Netherlands, 1980–2004: Are low educated men subject to structural or cyclical crowding out? Research in Social Stratification and Mobility, 28, pp. 437–451.
16
Lager opgeleiden profiteren ook van in een regio woonachtige en dus consumerende hoogopgeleiden, zowel in termen van (kansen op) werk als in termen van salaris. Maar ze ondervinden ‘nadeel’ bij een overaanbod aan hoger opgeleide werkenden. Op regioniveau is er dus een spanning tussen verdringingseffecten enerzijds en consumptie-effecten anderzijds. Op bedrijfsniveau gelden dezelfde verdringingseffecten, maar daar staan leereffecten tegenover, vertaald in een grotere kans op onderkwalificatie en een hoger loon. Anders dan in de literatuur wordt verondersteld doen die leereffecten zich niet voor op regionaal niveau, maar juist binnen bedrijven waarbij verschillen in type en grootte van bedrijven tot verschillende resultaten leiden. Voor wat betreft de (interne) arbeidsmarkt is het voor de positie van kwetsbare groepen dus verstandig een onderscheid te maken tussen kenmerken van het aanbod op de arbeidsmarkt, zoals opleiding, en kenmerken van de vraag naar arbeid, zoals gevraagde kwalificaties. Leereffecten voor kwetsbare groepen doen zich voor in bedrijfsomgevingen waarin veel hoger gekwalificeerde banen in de nabijheid zijn binnen het bedrijf.
17
18
B. Achterliggende Analyse 1. Algemene ontwikkelingen 1.1 Inleiding Door middel van onderstaande analyses schetsen we een context waarin laagopgeleiden zich bevinden, te midden van allerlei andere groepen op de arbeidsmarkt en beïnvloed door (macro)economische ontwikkelingen. We kijken naar de werkgelegenheidsontwikkelingen in opleidingsniveau en beroepsniveaus.
1.2 Data en Methode We gebruiken voor deze beschrijvende analyse data van het CBS, soms op landelijk- en soms op het niveau van de agglomeratie. Hier en daar maken we onderscheid tussen de woongemeente (wat is het niveau van de mensen wonend in de agglomeratie) en werkgemeente (wat is het niveau van de mensen werkend in de agglomeratie).
1.3 Analyse Ontwikkelingen opleidingsniveau Het aandeel laagopgeleiden in de beroepsbevolking is de laatste jaren afgenomen tot circa 32% in 2011. Alhoewel de daling in alle consortiumgemeenten waarneembaar is, zijn er verschillen tussen gemeenten. Dat het aandeel laagopgeleiden in de totale potentiële beroepsbevolking (31,7%) hoger is dan in de werkzame beroepsbevolking (22,8%) laat zien dat laagopgeleiden over het algemeen vaker werkloos zijn. Tabel B.1.1: Laagopgeleiden in de beroepsbevolking. Bron: CBS Statline Nederland
Emmen
Rotterdam
Eindhoven
Helmond
Heerlen
Abs. en rel. omvang laagopgeleiden in potentiële beroepsbevolking Abs. (X1000)
Abs.
%
Abs.
%
Abs.
%
Abs.
%
Abs.
%
Abs.
%
2011
3.454
31,7
29
40,8
151
36,7
36
25
23
39
24
40,7
2008
3.527
32,3
30
41,7
154
37,8
42
29,6
21
35,6
24
40
2005
2.644
33,6
33
46,5
158
39
40
28,6
23
39,7
25
40,3
2002
4.068
37,8
39
54,2
191
46,7
50
36,2
25
43,9
30
46,9
1999
4.118
38,7
34
50
186
45,9
48
35
24
42,1
34
53,1
1996
4.286
40,8
35
48,6
200
49,3
48
34,5
24
42,1
35
51,5
Abs. (X1000)
Abs. en rel. omvang laagopgeleiden in beroepsbevolking
2011
1.812
23,4
17
36,2
74
26,7
17
16,7
14
32,6
10
27
2008
1.853
24
16
32,7
80
28,8
22
21,2
11
26,2
11
29,7
2005
1.832
24,8
17
37
73
28,3
20
20,6
11
28,2
11
28,2
2002
2.085
28,8
19
40,4
94
36,4
24
26,4
12
31,6
14
35,9
1999
2.036
28,9
18
41,9
88
34,2
25
26,6
12
30,8
18
43,9
19
1996
2.019
Abs. (X1000)
Abs. en rel. omvang laagopgeleiden in werkzame beroepsbevolking
30,3
16
37,2
90
36,7
22
24,2
13
37,1
15
36,6
2011
1.670
22,8
15
34,9
62
24,7
16
16,7
12
30
9
25,7
2008
1.740
23,4
14
30,4
71
27,5
20
20
10
24,4
10
28,6
2005
1.655
24
15
36,6
60
26
18
20
9
25,7
9
26,5
2002
1.962
28,3
17
39,5
82
34,3
22
25,6
11
30,6
12
33,3
1999
1.899
28,2
16
40
78
32,6
24
27,3
10
27,8
17
45,9
1996
1.798
29,2
14
35
74
34,3
20
23,8
10
33,3
13
35,1
Ook uit figuur B.1.1 blijkt de daling van het aandeel laagopgeleiden in de beroepsbevolking, nu in vergelijking met de ontwikkeling van de andere opleidingsniveaus. Het aandeel hoogopgeleiden is sinds 2002 zelfs groter dan het aandeel laagopgeleiden. Het aandeel middelbaar opgeleiden, nog steeds de grootste groep, blijft over het algemeen redelijk stabiel in aandeel. Figuur B.1.1 Ontwikkeling opleidingsniveau beroepsbevolking. Bron: CBS Statline
Het aandeel laagopgeleiden ligt wat lager in stedelijke gebieden, zo blijkt ook uit figuur B.1.2. Wel is het zo dat er een onderscheid kan worden gemaakt tussen de bevolking die woont in de steden en de bevolking die werkt in de steden. Grotere steden bieden over het algemeen meer hoogwaardig werk. Dat trekt veel hoger opgeleiden aan die wonen buiten de steden, wat ertoe leidt dat het aandeel laagopgeleiden in de werkzame bevolking lager ligt. In steden wonen echter ook veel lager opgeleiden. In figuur B.1.2 is te zien dat het aandeel laagopgeleiden in de werkgemeente een stuk lager ligt dan in de woongemeente wat betreft de agglomeraties. Het omgekeerde is zichtbaar voor overig Nederland: hier is het gemiddelde aandeel laagopgeleiden werkend in de gemeente iets hoger dan het aandeel wonend in de gemeente. Hoger opgeleiden wonen hier meer dan dat ze er werken. Zowel in agglomeraties als in niet-agglomeraties is het aandeel laagopgeleiden overigens gedaald. Ondanks een laag aandeel hebben steden in absolute aantallen natuurlijk wel met veel laagopgeleiden te maken.
20
Figuur B.1.2 Beroepsbevolking naar opleidingsniveau, wonend en werkend in de- gemeente, voor agglomeraties en overig Nederland. Bron: CBS statline/Eigen bewerking RUG. Indeling Agglomeraties op basis van CBS-indeling.
Woongemeente
Ook binnen steden zijn verschillen, bijvoorbeeld wanneer we de verschillende consortiumgemeenten vergelijken. Aangezien we op dit lage analyseniveau alleen beschikken over data omtrent de bevolking die woont in de gemeente kunnen we alleen hierover betrouwbare uitspraken doen. Het aandeel laagopgeleiden in de bevolking ligt in Eindhoven lager dan gemiddeld in Nederland en in de andere onderzochte steden. In Emmen, Rotterdam, Helmond en Heerlen was in 1996 het aandeel laagopgeleiden in de bevolking ongeveer even groot en hoger dan gemiddeld in Nederland. In 2011 is vooral het aandeel laagopgeleiden in de Rotterdamse en de Eindhovense bevolking sterk gedaald. De groep middelbaar opgeleiden is vrijwel stabiel gebleven over de onderzochte periode, met weinig verschil tussen de onderzochte steden. Wel kan gesteld worden dat het aandeel middelbaar opgeleiden in Emmen iets hoger ligt dan gemiddeld in Nederland en in vergelijking met de andere consortiumsteden (fig B.1.3). Het aandeel hoogopgeleiden is in alle steden gestegen gedurende de periode 1996-2011. In Helmond is de groei wat achtergebleven, in de overige steden is net als gemiddeld in Nederland een behoorlijke stijging zichtbaar, althans in de wonende bereoepsbevolking.
21
Figuur B.1.3 Opleidingsniveau beroepsbevolking voor Nederland en consortiumgemeente (woongemeente). Bron: CBS statline/Eigen bewerking RUG Laag opleidingsniveau
Middelbaar opleidingsniveau
Hoog opleidingsniveau
Ontwikkelingen beroepsniveau Wanneer we inzoomen op de beroepsbevolking naar beroepsniveau dan zien we dat in de afgelopen 15 jaar het aandeel lagere en middelbare beroepen licht is afgenomen. Het aandeel elementaire banen is echter zo goed als gelijk gebleven. Het aantal hogere banen is relatief gezien gestegen. Deze trend kunnen we verklaren aan de hand van de toenemende globalisering waarin er meer hoogwaardige banen ontstaan, lagere en middelbare banen verdwijnen (door computertechnologie en verplaatsen naar lagelonenlanden) en er banen nodig blijven in de dienstensector ter ondersteuning. Hierdoor lijkt langzaam maar zeker een polarisering op te treden op de arbeidsmarkt. Wel kunnen we stellen dat vooralsnog het aandeel middelbare beroepen veruit de grootste groep banen vormt op de arbeidsmarkt.
22
Figuur B.1.4 Ontwikkeling beroepsniveaus voor Nederland. Bron: CBS statline
In tabel B.1.2 is de ontwikkeling van beroepsniveaus per consortiumgemeente weergegeven. Weer hebben we alleen de cijfers naar woongemeente beschikbaar. Er zijn wat verschillen tussen de steden. In vrijwel alle steden is het aandeel inwoners met een elementaire baan sterker gestegen dan gemiddeld in Nederland. Het aandeel mensen met een lage baan is vooral in Eindhoven sterk afgenomen. In Helmond en Emmen is, afwijkend met Nederland en de overige steden, het aandeel bewoners met een middelbare baan zo goed als gelijk gebleven. Emmen en Heerlen blijven achter wat betreft de groei van het aandeel hogere banen. Tabel B.1.2 Ontwikkeling beroepsniveaus per consortiumgemeente (naar woongemeente). Bron: CBS Statline Nederland
Emmen
Rotterdam
Eindhoven
Helmond
Heerlen
Elementaire
1996-1998
7,1%
8,2%
8,9%
8,5%
9,3%
8,2%
beroepen
2009-2011
7,1%
9,1%
9,5%
8,5%
10,5%
9,9%
Verschil
0,0%
0,9%
0,6%
-0,1%
1,2%
1,7%
Lagere beroepen
1996-1998
25,2%
34,4%
25,9%
23,9%
28,0%
32,7%
2009-2011
23,1%
32,6%
23,6%
20,4%
25,4%
30,7%
Verschil
-2,2%
-1,9%
-2,3%
-3,5%
-2,5%
-2,0%
Middelbare
1996-1998
40,0%
41,0%
36,4%
34,4%
37,3%
37,3%
beroepen
2009-2011
37,6%
40,9%
33,6%
32,0%
36,8%
35,6%
Verschil
-2,3%
-0,1%
-2,9%
-2,4%
-0,5%
-1,6%
Hogere beroepen
1996-1998
19,6%
13,1%
18,8%
22,3%
17,6%
16,4%
2009-2011
22,5%
14,4%
21,7%
26,4%
20,2%
16,8%
Verschil
3,0%
1,3%
2,9%
4,1%
2,6%
0,5%
Wetenschappe-
1996-1998
8,2%
3,3%
10,0%
10,9%
7,8%
5,5%
lijke beroepen
2009-2011
9,7%
3,0%
11,7%
12,7%
7,0%
6,9%
Verschil
1,5%
-0,2%
1,8%
1,7%
-0,8%
1,5%
Relatie structuur en ontwikkeling Door middel van de volgende figuren en tabellen onderzoeken we de relatie tussen de werkgelegenheidsstructuur en –ontwikkeling in agglomeraties. Het aandeel van een bepaalde opleidingsgroep in de werkgelegenheidsstructuur van een agglomeratie wordt afgezet tegen de totale werkgelegenheidsontwikkeling (fig.B.1.5) en tegen de werkgelegenheidsontwikkeling voor een bepaalde opleidingsgroep (fig.B.1.6) in de daaropvolgende periode. In tabel B.1.3 en B.1.4 zijn de overige (kruislingse) verbanden samengevat van opleidingsniveaus en baanniveaus. Voor de overzichtelijkheid verdelen we resultaten in drie waarnemingen. 23
1. Wat betreft de relatie tussen werkgelegenheidsstructuur en werkgelegenheidsontwikkeling vinden we een positief verband tussen het aandeel werkenden met een hoog opleidingsniveau in het basisjaar (1996-1998) en de groei van de totale werkgelegenheid in de periode 19962009 (fig. B.1.5). Een hoog aandeel hoger opgeleiden heeft dus een positieve relatie met werkgelegenheidsgroei. Steden lijken het dus beter te doen wanneer er veel hoog opgeleiden werkzaam zijn. Dit geldt echter niet wanneer we kijken naar het baanniveau: we vinden geen relatie tussen het aandeel hoge en wetenschappelijke banen en de ontwikkeling van de werkgelegenheid in de agglomeratie (tabel B.1.4). Het hoeft natuurlijk ook niet altijd zo te zijn dat het allemaal hoger opgeleiden zijn die de hoge banen vervullen (zie ook paragraaf B.4.3). 2. Welk type werkgelegenheid groeit het snelste in steden met een bepaalde werkgelegenheidsstructuur? Figuur B.1.6 laat zien dat de werkgelegenheidsgroei in steden met een hoog aandeel hoger opgeleiden in het basisjaar 1997 vooral ten goede komt aan de werkgelegenheid voor lager, maar ook middelbaar opgeleiden (tabel B.1.3). Het beeld is anders wanneer we inzoomen op steden met een hoog aandeel laagopgeleiden in de werkgelegenheid. Deze steden laten niet specifiek een positieve of negatieve ontwikkeling van de werkgelegenheidsgroei zien. Daarnaast vinden we in deze steden ook geen duidelijke relatie met de ontwikkeling van de werkgelegenheid voor middelbaar of hoger opgeleiden. Wederom vinden we voor agglomeraties andere relaties wanneer we kijken naar de banenstructuur in plaats van opleidingsniveaus van de werkzame beroepsbevolking. Anders dan bij opleidingsniveaus is er geen relatie tussen een hoog aandeel hogere en wetenschappelijke banen en banengroei van elementaire banen. Deze relatie is er overigens wel wanneer we alle gemeenten in ogenschouw nemen. In steden met een hoog aandeel elementaire en lage banen groeit de werkgelegenheid in hoge en wetenschappelijke banen juist relatief sterk (tabel B.1.4). 3. Wat in alle dwarsverbanden eenduidig lijkt te zijn is dat een hoog aandeel van een opleidingscategorie of een baanniveau in de daarop volgende periode tot minder werkgelegenheidsgroei voor die categorie leidt. Figuur B.1.5 Relatie aandeel hoog opgeleide werkenden in 1996/1998 en totale werkgelegenheidsgroei 1996-2009, naar werklocatie
24
Figuur B.1.6 Relatie aandeel hoog opgeleide werkenden in 1996/1998 en totale werkgelegenheidsgroei laagopgeleiden 1996-2009, naar werklocatie
Tabel B.1.3 Relaties tussen aandeel verschillende opleidingscategorieën in 1997 en werkgelegenheidsgroei opleidingscategorieën 1996-2009, naar werklocatie, voor agglomeraties1 AGGLOMERATIES
Werkgelegenheidsgroei in de periode 1997-2007 van opleidingscategorieën
Aandeel in 1997
Laag
Laag onderwijsniveau
--
Middelbaar
Middelbaar onderwijsniveau Hoger onderwijsniveau 1
++
Hoger
Totaal
--
++
--
++
--
++
-- = negatief significant verband, ++ positief significant verband, niet-significante verbanden zijn niet weergegeven.
Tabel B.1.4 Relaties tussen aandelen baanniveaus in 1997 en werkgelegenheidsgroei baanniveaus tussen 1996-2009, naar werklocatie, alle gemeenten en agglomeraties1 Groei in de periode 1997-2007
Aandeel in 1997
Elementair
Lager
Middelbaar
Hoger
Wetensch.
++
Totaal
ALLE GEMEENTEN Elementaire banen
--
Lagere banen
--
Middelbare banen
++
++
--
++
++
++
--
++
Hogere banen
++
++
++
--
Wetenschap. banen
++
++
++
--
--
--
--
++
++
--
++
++
--
AGGLOMERATIES Elementaire banen Lagere banen Middelbare banen Hogere banen Wetenschap. banen
1
-++
++ ---
---
-- = negatief significant verband, ++ positief significant verband, niet-significante verbanden zijn niet weergegeven.
25
26
2. Transities van opleiding naar werk 2.1 Inleiding Opleiding is één van de krachtigste determinanten voor de latere economische positie. Veel studies bevestigen het verband tussen opleiding en sociale- en economische stijging.18 Het belang van onderwijs wordt ook door de overheid onderschreven in de vorm van de leerplicht en de kwalificatieplicht. We kijken in dit onderzoek naar laagopgeleide schoolverlaters. In dit onderzoek zijn dat studenten met een diploma op maximaal mbo-2 niveau. Data en methode wordt beschreven in paragraaf 2.2. In paragraaf 2.3 volgt een beschrijving van het aantal jonge laagopgeleiden dat doorleert en binnen een jaar werk vindt. Daarnaast is er een uitgebreide statistische analyse uitgevoerd om meer inzicht te krijgen in de keuze om door te leren, de kans op het vinden van werk en het loon van schoolverlaters. De paper die hieruit is voortgekomen, “Transitions of low-educated graduates”, is te downloaden via www.nicis.nl.
2.2 Data en methode Data Voor dit onderzoek hebben we gebruik gemaakt van een dataset van het ROA (Researchcentrum voor Onderwijs en Arbeidsmarkt). De dataset is gebaseerd op een uitgebreide vragenlijst die steekproefsgewijs wordt uitgezet onder gediplomeerde schoolverlaters ongeveer 1,5 jaar na afstuderen. De data hebben we beschikbaar voor de periode 1996-2008 (jaar van enquêteren) en is door ons aangevuld met regionale cijfers op RBA-niveau.19 Nederland wordt hiermee opgedeeld in 18 regio’s. Uit de dataset is een selectie gemaakt van alle respondenten die afgestudeerd zijn op maximaal mbo2 niveau. Op basis van de gegevens zijn deze respondenten vervolgens ingedeeld in vier groepen afhankelijk van de situatie waarin zij zich bevinden: doorlerend, werkend, werkloos of niet-participerend.20 Na het verwijderen van onvolledige of extreem afwijkende gegevens blijven uiteindelijk 53.613 respondenten over. In de cirkeldiagram (fig. B.2.1) is de procentuele verdeling over de vier groepen weergegeven.
18 Zie bijvoorbeeld Gesthuizen & Scheepers, 2010; Layte & Whelan, 2002; Tsakloglou & Papadopoulos, 2002; Groot & Maasen van den Brink, 2000, 2003; Psacharopoulus, 2002; Ashenfelter, Harmon & Oosterbeek, 1999. 19 Voor de deelonderzoeken naar de kans op doorleren en de kans op werk zijn regiogegevens verzameld op RBA (oftewel Regionale Besturen voor de Arbeidsvoorziening)-gebied van de woonplaats van de respondent en op jaar van afstuderen aangezien er geen gedetailleerdere locatie-informatie aanwezig was. De RBA-indeling stamt uit de jaren negentig en verdeelt Nederland in 18 regio’s. 20 Wanneer er onduidelijkheid optrad zijn de respondenten verwijderd uit de analyse.
27
Figuur B.2.1 Verdeling bestand in groepen, periode 1996-2008 (n=53613). Bron: ROA,eigen bewerkingen (gewogen naar Nederland totaal).
Methode In onderstaande paragrafen volgt een beschrijvende analyse omtrent de keuze om door te leren en de kansen op werk voor laagopgeleide schoolverlaters. Er wordt onderscheid gemaakt tussen opleidingsniveaus en –richtingen. Bij voldoende waarnemingen wordt een opsplitsing gemaakt naar RBA-gebied waarin de consortiumgemeente gelegen is. Daarnaast is een statistische analyse uitgevoerd waarbij de keuze om door te leren, de kans op werk en het loon van schoolverlaters uitgebreid is geanalyseerd. De details van de analyses zijn te vinden in de paper ”Transitions of low educated graduates” (te downloaden via: www.nicis.nl).
2.3 Analyse De keuze om door te leren Dat van de vmbo-gediplomeerden het overgrote deel (gemiddeld 86%) doorleert is geen verrassing. Toch is het zorgwekkend dat zo’n 14% aangeeft niet door te leren, ondanks dat de startkwalificatie niet is behaald. Er is weinig verschil tussen de consortiumgemeenten wat betreft de vmbo-schoolverlaters. Bij de schoolverlaters met een mbo 1-diploma, ook nog niet in het bezit van een startkwalificatie is het percentage dat doorleert slechts zo’n 51%. In Drenthe en Limburg is dit aandeel zelfs nog wat lager. Van de schoolverlaters met een diploma op mbo-niveau 2 (wel in het bezit van een startkwalificatie) leert zo’n 42% door. Zuidoost Brabant zit iets boven, maar Drenthe, Limburg en Rijnmond iets onder het Nederlandse gemiddelde(zie tabel B.2.1). Tabel B.2.1 Percentage doorleren per opleidingsniveau, periode 1996-2008 (gewogen naar Nederland totaal) rba Drenthe
vmbo
mbo niv1
mbo niv2
mbo BOL
mbo BBL
84,8%
38,4%
40,6%
47,3%
27,4%
rba Rijnmond
86,5%
55,7%
41,8%
54,1%
31,2%
rba Zuidoost-Brabant
86,1%
56,1%
49,1%
58,0%
40,1%
rba Limburg
87,3%
48,8%
40,3%
49,7%
29,2%
Totaal
85,5%
50,6%
42,1%
51,3%
33,1%
28
Respondenten met een BOL-diploma (Beroepsopleidende leerweg) leren vaker door dan respondenten met een BBL-diploma (Beroepsbegeleidende leerweg), zoals te zien is in tabel B.2.1. Wat betreft respondenten met een BOL of BBL opleiding geldt dat respondenten in Zuidoost-Brabant vaker doorleren. In Drenthe besluit men juist vaker om niet door te leren. Wat betreft sectorale verschillen zien we in tabel B.2.2 dat vmbo-schoolverlaters mensen met een theoretische richting (‘algemeen’) vaker doorleren dan mensen met een beroepsgerichte leerweg. De verschillen tussen de beroepsrichtingen zijn erg klein. Voor mensen met een diploma op mbo-niveau 1, 2 of BOL geldt dat het minste wordt doorgeleerd bij opleidingen met een agrarische richting. In verband met betrouwbaarheid doen we geen uitspraken voor de specifieke RBA-gebieden waarin de consortiumgemeenten zijn gelegen. Tabel B.2.2 Percentage doorleren naar sector en richting, periode 1996-2008 (gewogen naar Nederland totaal) Algemeen
Landbouw
Techniek
Economie
Gezondheid
Totaal
vmbo
91,0%
84,6%
79,8%
82,2%
81,0%
85,5%
mbo niv 1
Na
33,3%
56,3%
49,6%
50,4%
50,6%
mbo niv2
Na
37,5%
40,8%
40,0%
50,5%
42,1%
mbo BOL
Na
40,6%
53,8%
47,6%
59,0%
51,3%
34,3%
36,7%
29,3%
21,8%
33,1%
91,0%
77,6%
66,9%
62,3%
73,8%
76,0%
mbo BBL Totaal
Niet doorleren: Kans op werk versus werkloosheid Wanneer de keuze is gevallen om niet langer door te leren is er een kans dat men in werkloosheid terechtkomt. In onderstaande tabellen en figuren bekijken we het aandeel mensen dat wel en geen baan vindt, naar niveau en naar categorie. In Rotterdam ligt het percentage van de respondenten dat geen werk vindt relatief hoog, in Zuidoost-Brabant juist relatief laag (zie tabel B.2.3). Tabel B.2.3 Aantal respondenten wat wel en geen werk vindt (1,5j na afstuderen), periode 1996-2008 (gewogen naar Nederland totaal). Werkend
Werkloos
rba Drenthe
91,0%
9,0%
rba Rijnmond
80,6%
19,4%
rba Zuidoost-Brabant
94,1%
5,9%
rba Limburg
88,9%
11,1%
Totaal
87,7%
12,3%
Opgesplitst naar opleiding zien we dat studenten met een afgeronde mbo-2 opleiding vaker werk vinden. Schoolverlaters met een BBL opleiding hebben een behoorlijk grotere kans op werk dan schoolverlaters met een BOL opleiding 1,5 jaar na afstuderen (Tabel B.2.4). Vmbo-schoolverlaters met een technische opleidingsachtergrond hebben over het algemeen een grotere kans op werk dan mensen met een andere opleidingsrichting, ditzelfde geldt voor schoolverlaters met een diploma op mbo-2 niveau of wanneer we opsplitsen naar BOL en BBL. De vooruitzichten lijken over het algemeen het slechtste bij een economische opleidingsrichting.
29
Tabel B.2.4 Percentage respondenten wat niet doorleert en geen werk vindt naar sector en richting(1,5 jr. na afstuderen), periode 1996-2008 (gewogen naar Nederland totaal). vmbo
Algemeen
Landbouw
Techniek
Economie
Gezondheid
Totaal
18,1%
18,8%
10,4%
19,5%
20,7%
16,5%
mbo niv1
8,0%
16,2%
22,3%
30,6%
20,5%
mbo niv2
8,0%
4,7%
9,7%
10,8%
7,8%
mbo BOL
15,3%
11,8%
14,9%
16,3%
14,6%
mbo BBL
4,3%
3,5%
7,1%
5,0%
4,8%
13,9%
7,4%
13,6%
16,4%
12,3%
Totaal
30
18,1%
3. Transities van werkloos naar werk 3.1 Inleiding Hoewel laagopgeleiden vaak een zwakkere arbeidsmarktpositie hebben en vaker werkloos zijn, is er de laatste jaren over het algemeen geen sprake geweest van een verslechtering van deze positie. In de huidige economische crisissituatie is het echter de vraag of deze trend zich kan doorzetten. Voor de langere termijn hangt het af van de vraag hoe de werkgelegenheidsstructuur zich ontwikkelt door externe invloeden als vergrijzing, ICT-/ kennisontwikkeling en globalisering. In het kader van bovenstaande ontwikkelingen is het interessant inzicht te hebben in de ontwikkeling van de regionale werkgelegenheid en hoe deze wordt beïnvloed door conjuncturele effecten. We volgen in dit deelonderzoek een groep laagopgeleide burgers in hun sociaaleconomische status op verschillende momenten in de tijd. Net als in het onderzoek naar schoolverlaters definieren we laagopgeleiden als personen met een opleiding op maximaal mbo-2 niveau. Waar mogelijk kijken we naar verschillen tussen consortiumgemeenten.
3.2 Data en methode Data We hebben gebruik gemaakt van het Sociaal Statistisch Bestand (SSB) van het CBS waarbij we in principe informatie hebben over iedere burger in Nederland. Voor deze verkennende analyse bekijken we de status van een groep laagopgeleide Nederlandse burgers op verschillende momenten in de tijd. Bij de selectie van de groep spelen een aantal beperkingen en is rekening gehouden met een aantal aspecten zoals beschreven in paragraaf 3.2.2.
Selectie groep • Doordat opleidingsgegevens pas recentelijk vanuit opleidingsregisters (vooral in het geval van lagere opleidingsniveaus) bekend zijn hebben we alleen voor burgers die recentelijk een opleiding hebben gevolgd of volgen opleidingsgegevens, aangevuld met burgers die op een gegeven moment hebben meegedaan aan de enquête beroepsbevolking die het CBS elk jaar uitvoert onder een steekproef van burgers. We hebben een selectie gemaakt van alle burgers waarvoor een opleidingsniveau bekend is op maximaal mbo-2 niveau. • Aangezien we mensen door de tijd willen volgen en geen mensen willen kwijtraken wegens pensionering, selecteren we mensen met een leeftijd van maximaal 45 jaar en minimaal 21 jaar op 1 december 1999. • We willen kijken naar burgers die zich op de arbeidsmarkt bevinden. Vandaar dat we mensen selecteren die op het geselecteerde peilmoment, de maand ervoor en de maand erna niet studerende zijn. Omdat we een zo lang mogelijke periode willen bekijken bepalen we het peilmoment op 1 december 1999. Vanaf dit jaar hebben we informatie op basis van CBS Microdata. De geselecteerde groep bestaat uit 150.633 personen op 1 december 1999. 31
Methode Voor de geselecteerde groep hebben we een aantal verkennende analyses uitgevoerd. In een eerste fase kijken we naar de sociaaleconomische status van deze groep personen op verschillende momenten in de tijd. In de tweede fase zoomen we in op de groep die op een bepaald moment werkloos is. We kijken hoe deze groep zich ontwikkelt door de tijd. Welk deel vindt werk en welk deel is langdurig werkloos? Daarnaast hebben we via een transitiematrix in kaart gebracht waar mensen die op het eerste peilmoment (1999) in een bepaalde sociaaleconomische status zitten, zich 9 jaar later (2008) bevinden.
3.3 Analyse Analyse op peilmomenten Op 1 december 1999 is 65% van onze geselecteerde groep werknemer, daarnaast is zo’n 5% zelfstandig, heeft 2% een WW-uitkering en zo’n 7% een bijstandsuitkering. 4% van de groep geselecteerde mensen is arbeidsongeschikt en nog eens 1,2% zit in een andere uitkering. Daarnaast zit zo’n 16% in de categorie overig, deze mensen hebben dus geen baan en geen uitkering. Het gaat hier om mensen die bijvoorbeeld niet werken maar deel uitmaken van een gezin met een andere kostwinner. Deze groep bestaat voor het grootste deel uit vrouwen. De procentuele verdeling over de verschillende sociaaleconomische categorieën blijft over de tijd (1999, 2004, 2008) redelijk stabiel (zie tabel B.3.1). Dit betekent overigens niet dat er weinig dynamiek plaatsvindt. Iemand die in 1999 werknemer is kan een jaar later wel gedeeltelijk in een uitkering zitten, terwijl mensen die in een uitkering zaten in 1999 juist in 2000 werk kunnen hebben. Het aandeel werkenden (werknemer en zelfstandig) neemt wat toe terwijl het aandeel mensen met een uitkering (WW of bijstand) juist wat afneemt, evenals de groep overig (vrouwen gaan steeds vaker deels werken). Tabel B.3.1 Sociaaleconomische status op peilmomenten voor selectiegroep laagopgeleiden, dec99 tot en met dec08. Bron: CBS SSB Sociaal Economische Status
Werknemer
Zelfstandig
WAO
WW
Bijstand
Overige
Overig
uitkering Nederland
Emmen
Heerlen
Rotterdam
Eindhoven
Helmond
32
1999
65%
5%
4%
2%
7%
1%
16%
2004
66%
6%
6%
3%
6%
1%
12%
2008
68%
8%
6%
1%
4%
2%
10%
1999
61%
4%
6%
4%
7%
2%
16%
2004
62%
5%
8%
5%
6%
2%
12%
2008
65%
7%
8%
2%
5%
3%
10%
1999
60%
3%
8%
2%
11%
2%
15%
2004
58%
4%
10%
5%
9%
3%
11%
2008
58%
5%
11%
3%
9%
4%
10%
1999
54%
3%
3%
2%
22%
1%
14%
2004
56%
4%
5%
4%
19%
1%
12%
2008
59%
5%
5%
1%
15%
2%
12%
1999
67%
3%
5%
1%
9%
1%
13%
2004
63%
4%
7%
4%
9%
2%
11%
2008
67%
5%
8%
1%
7%
2%
9%
1999
65%
3%
5%
3%
7%
2%
15%
2004
63%
5%
7%
4%
7%
2%
12%
2008
65%
6%
8%
2%
6%
2%
10%
Figuur B.3.1 Sociaaleconomische status op peilmomenten voor selectiegroep laagopgeleiden dec99 tot en met dec08. Bron: CBS SSB
We zien niveauverschillen tussen de consortiumgemeenten. In Rotterdam, Heerlen en Emmen ligt het aandeel werkenden in 1999 onder het Nederlandse gemiddelde, in Eindhoven en Helmond is het percentage werkenden juist wat hoger. Het aandeel bijstandsgerechtigden ligt in Rotterdam en Heerlen duidelijk hoger. Wat betreft de ontwikkeling tussen 1999 en 2008 zien we dat Heerlen en Eindhoven een enigszins afwijkend patroon laten zien wat betreft de groei van het aandeel werkenden ten opzichte van Nederland. In 2008 ligt het aandeel werkenden in Eindhoven zelfs wat onder het Nederlands gemiddelde. Het aandeel zelfstandigen stijgt overal en het aandeel bijstand- en WW-gerechtigden daalt bijna overal. Opvallend is daarnaast dat het aandeel mensen met een WAO-uitkering overal stijgt.
Werkloosheidsduur In tabel B.3.2 kijken we naar de werkloosheidsduur van de groep geselecteerde burgers die op een bepaald moment werkloos is (geworden) in relatie tot de economische conjunctuur. We vergelijken een periode van economische hoogconjunctuur (1999) met een periode van laagconjunctuur (2003) en kijken welk aandeel van de mensen respectievelijk na een half jaar, na een jaar en na twee jaar een baan hebben gevonden dan wel nog werkloos zijn. Van de mensen die in 1999 in de werkloosheid zitten heeft ongeveer 42% na een half jaar (op 1 mei 2000) weer een baan als werknemer, zo’n 1,8% is dan zelfstandig. Na een jaar is het percentage dat werknemer is, amper hoger geworden. Wel is het aandeel dat nog in de WW zit verder afgenomen, deze mensen zijn voor een groot deel naar de groep ‘overig’ gegaan: geen werk en geen uitkering. Na twee jaar is het percentage dat werk heeft gevonden wel duidelijk toegenomen tot meer dan 50%. Voor de mensen die in 2003 werkloos zijn, is het beeld wat anders. Ongeveer 26,5% heeft na een half jaar werk, zo’n 31% na een jaar en na twee jaar heeft zo’n 40% werk gevonden. Ook hier zien we dat een deel van de mensen vanuit de WW naar de categorie ‘overig’ gaat. We kunnen concluderen dat de uitstroom uit de WW samenhangt met economische conjunc33
tuur. Afhankelijk van de economische situatie, heeft zo’n 26% tot 41% van de mensen na een half jaar weer werk gevonden. In de daarop volgende periode van 1,5 jaar vindt nog zo’n 10 tot 15% van de mensen werk. Tabel B.3.2 Sociaaleconomische status voor burgers in WW voor selectiegroep laagopgeleiden op 1 dec 99 en op 1 dec 2003 na 0,5j, na 1 en na 2j 1 dec 99 ww
1 dec 2003 ww
na 0,5 jaar
na 1 jaar
na 2 jaar
na 0,5 jaar
na 1 jaar
na 2 jaar
Werknemer
41,5%
42,3%
51,1%
Werknemer
26,6%
30,6%
40,7%
Zelfstandig
1,8%
2,7%
3,7%
Zelfstandig
1,5%
1,8%
3,2%
WAO
1,7%
2,7%
6,1%
WAO
1,4%
1,9%
1,8%
WW
37,1%
28,1%
15,2%
WW
56,7%
45,1%
26,7%
Bijstand
2,5%
3,8%
5,5%
Bijstand
2,4%
4,8%
7,6%
Overige uitkering
8,7%
5,8%
3,1%
Overige uitkering
5,9%
5,5%
6,9%
Scholier/student
0,0%
0,1%
0,1%
Scholier/student
0,0%
0,1%
0,1%
Overig
6,7%
14,4%
15,1%
Overig
5,3%
10,1%
13,0%
Op dezelfde manier als hierboven kunnen we onderzoeken of ook de uitstroom uit de bijstand conjunctuurgevoelig is. Van de mensen die op 1 december 1999 (een periode van hoogconjunctuur) in de bijstand zaten is zo’n 10% na een half jaar, en zo’n 16% na een jaar werknemer. Na 2 jaar heeft zo’n 22% werk. Met laagconjunctuur (2003) is dit deel lager. Slechts zo’n 6% van de groep is na een half jaar werknemer, zo’n 8% na een jaar en zo’n 12% na 2 jaar. Het deel van de groep wat de bijstand verlaat om in de categorie ‘overig’ terecht te komen is op beide peilmomenten ongeveer gelijk en loopt op tot zo’n 8 à 9% na 2 jaar (Tabel B.3.3). Tabel B.3.3 Sociaaleconomische status voor burgers in bijstand voor selectiegroep laagopgeleiden op 1 dec 1999 na 0,5j, na 1 en na 2j. 1 dec 99 bijstand
Werknemer
1 dec 03 bijstand
na 0,5 jaar
na 1 jaar
na 2 jaar
9,7%
15,5%
22,0%
Werknemer
na 0,5 jaar
na 1 jaar
na 2 jaar
5,6%
7,5%
12,1%
Zelfstandig
0,6%
0,7%
1,3%
Zelfstandig
0,4%
0,5%
0,7%
WAO
0,4%
0,7%
1,0%
WAO
0,4%
0,7%
1,1%
WW
0,2%
0,4%
0,6%
WW
0,2%
0,5%
1,0%
Bijstand
85,1%
75,5%
64,9%
Bijstand
89,9%
84,7%
75,8%
Overige uitkering
0,6%
0,5%
1,1%
Overige uitkering
0,4%
0,5%
1,2%
Scholier/student
0,0%
0,2%
0,2%
Scholier/student
0,0%
0,0%
0,1%
Overig
3,4%
6,4%
8,9%
Overig
3,0%
5,7%
8,0%
We kunnen concluderen dat zowel uitstroom uit de WW als uit de bijstand conjunctuurgevoelig is. Echter, er is wel een niveauverschil tussen WW en bijstand waarneembaar. Het deel dat vanuit de bijstand binnen afzienbare tijd naar werk gaat is in vergelijking met het deel dat vanuit de WW naar werk gaat aanzienlijk lager. Een groot deel van de laagopgeleiden mensen die in de bijstand geraakt blijft hier voor een langere periode op aangewezen.
Transitiematrix 1999-2008 Voor de groep geselecteerde laagopgeleide burgers kunnen we analyseren welk deel van de mensen transities maakt tussen werkloosheid en werk wanneer we de status in december 1999 vergelijken met de status in december 2008 (tabel B.3.4). Het overgrote deel van de laagopgeleide werknemers in december 1999 is in 2008 nog steeds werknemer (83%). Een klein deel is zelfstandig geworden dan wel naar een uitkering of naar 34
de klasse ‘overig’ gegaan. Van de laagopgeleide mensen die zelfstandig waren in 1999 is 64% nog steeds zelfstandig na 9 jaar. Van het deel dat niet langer zelfstandig is, is het merendeel werknemer. Ook de laagopgeleiden in de WAO vormen een vrij stabiele groep. 69% van de mensen zit na 9 jaar nog steeds in de WAO, zo’n 20% is nu werkend. Van de mensen die in 1999 in de WW zitten is in 2008 58% werkend, zo’n 7% is zelfstandig. Dat het aandeel wat van deze groep werkt aanzienlijk lager is dan het aandeel werkenden in de groep die in 1999 werknemer was geeft aan dat mensen die op enig moment in werkloosheid zitten ook blijkbaar gevoeliger zijn op de arbeidsmarkt. Wat betreft de laagopgeleiden die in de bijstand zaten op het eerste peilmoment blijkt na 9 jaar slechts zo’n 36% een baan als werknemer te hebben. Een groter deel zit nog steeds in de bijstand. Wat betreft de groep overig kunnen we constateren dat zo’n 48% in 2008 werknemer is geworden. Dit is op zich te verklaren omdat steeds meer mensen zich aanbieden op de arbeidsmarkt. Tabel B.3.4 Transitiematrix 1999-2008 voor selectiegroep laagopgeleiden Status dec 2008 Werknemer
Zelfstandig
WAO
WW
Bijstand
Overige
uit- Scholier/stu- Overig
kering
dent
Status
Werknemer
83%
5%
3%
1%
1%
1%
0%
4%
dec 1999
Zelfstandig
26%
64%
2%
0%
1%
1%
0%
5%
WAO
19%
2%
69%
3%
2%
3%
0%
3%
WW
58%
7%
8%
4%
7%
3%
0%
12%
Bijstand
36%
3%
5%
2%
39%
3%
0%
11%
Overige
40%
3%
14%
2%
7%
24%
0%
10%
48%
4%
2%
1%
4%
2%
0%
38%
uitkering Overig
35
36
4. Transities van baan naar baan 4.1 Inleiding Verschillende aspecten kunnen er tijdens de werkende carrière toe leiden dat verschillen optreden tussen werknemers. Door de situatie op de arbeidsmarkt of door persoonlijke eigenschappen heeft de ene persoon meer mogelijkheden dan de ander om een hoger loon te verdienen of meer ontwikkeling door te maken. Zo kunnen we leren uit onderzoek dat vrouwen en allochtonen vaak een moeilijkere positie hebben. Wat betreft de arbeidsmarkt is de relatie tussen hoog- en laagopgeleiden interessant. Dat kansen toenemen met toenemend opleidingsniveau is door veel onderzoeken bevestigd.2 Hoger opgeleiden worden vaak verkozen boven laagopgeleiden wanneer beide zich aanbieden op de arbeidsmarkt. Vanuit deze gedachte verdringen hoger opgeleiden lager opgeleiden naar de lagere banen of zelfs naar werkloosheid. Maar ook kan er juist positieve interactie plaatsvinden wanneer laagopgeleiden informeel kunnen leren van hoogopgeleiden, of wanneer de aanwezigheid van hoogopgeleiden in een gebied een extra vraag naar laagwaardig werk creëert, een consumptie-effect. We kijken in hoeverre deze effecten plaatsvinden op regionaal niveau en op bedrijfsniveau. Dit doen we door achtereenvolgens te kijken naar de baanallocatie van werknemers (het verschil tussen de verwachte en het daadwerkelijk verworven baanniveau op basis van de formeel gevolgde opleiding) en het verworven loon. Aangezien we ons richten op economische stijging, focussen we op de kans op onderkwalificatie, (te weten een verworven baanniveau boven het op basis van de formeel gevolgde opleiding te verwachten niveau) en de kans op een hoger loon. In dit onderzoek wordt laagopgeleid, op basis van de beschikbare data, gedefinieerd als een werknemer met een hoogst behaald formeel opleidingsdiploma op basisschool, havo/vwo onderbouw of vmbo/mavo niveau. In paragraaf 4.3 wordt een algemeen beeld geschetst van de verschillen in baanallocatie en loon tussen (laagopgeleide) werknemers. Daarnaast is een multivariate analyse uitgevoerd om meer inzicht te krijgen in loonverschillen en kansen om op een hoger baanniveau te werken voor laag opgeleide werknemers in relatie tot de arbeidsmarkt, bedrijfsverschillen en persoonskenmerken. Voor een gedetailleerde uitwerking van de analyses verwijzen we naar de Engelstalige papers “Human Capital Externalities and proximity: Effects for Low Skilled Workers” en “Personal, labour market and firm effects in explaining under-qualification: the case of low educated”, te downloaden via www.nicis.nl.
4.2 Data en Methode Data We gebruiken het ArbeidsVoorwaarden Onderzoek (AVO) van het Ministerie van Sociale Zaken en Werkgelegenheid voor de periode 1995-2006. Het gaat hier om een representatieve steekproef die jaarlijks wordt uitgevoerd onder werknemers in bedrijven. Dit geeft ons de mogelijkheid om bedrijfs- en regionale gegevens te aggregeren op basis van de werknemers in de dataset. Op deze manier bepalen we per regio en bedrijf het aandeel werknemers met een bepaald opleidingsniveau en baanniveau.
37
Methode We kijken in deze analyse zowel naar loon als naar het verworven baanniveau als graadmeter voor persoonlijk succes.
Bepalen baanallocatie In tabel B.4.1 is per opleidingsniveau een overzicht weergegeven van het aantal werknemers wat op een bepaald baanniveau21 werkzaam is. Wat opvalt, is de variatie aan baanniveaus waar mensen met een bepaald formeel opleidingsniveau werkzaam zijn. Welk baanniveau op basis van het opleidingsniveau van de werknemer het meest voor de hand liggend is kunnen we op verschillende manieren bepalen. Op basis van de mogelijkheden van de bij ons beschikbare dataset hebben we een tweetal manieren toegepast om deze kwalificatie te bepalen, een normatieve (op basis van de standaard beroepen classificatie)22 en een statistische manier (op basis van het gemiddelde beroepsniveau per opleidingsniveau).23 Afwijkingen van deze ‘norm’ worden geïnterpreteerd als overkwalificatie (werknemer werkt onder het verwachte niveau) en onderkwalificatie (werknemer werkt boven het verwachte niveau). Meer informatie over de indeling is te vinden in de Engelstalige paper “Personal, labour market and firm effects in explaining under-qualification: the case of low educated”, te downloaden via www.nicis.nl. Tabel B.4.1 Variatie in baanniveaus per formeel opleidingsniveau
In onderstaande beschrijvende analyse wordt achtereenvolgens ingegaan op het aandeel werkenden in een bepaalde baanallocatie op de arbeidsmarkt en het gemiddelde loon van werkenden per opleidingsniveau. Hier en daar wordt onderscheid gemaakt tussen consortiumgemeenten. Daarnaast is een uitgebreide statistische analyse uitgevoerd ter verklaring 21 Functieniveau als bepaald door de Loon Technische Dienst, bestaande uit 8 klassen, zie tabel B.4.1 22 De standaard beroepenclassificatie hangt aan elk gedefinieerd baanniveau een bijpassend opleidingsniveau. We hebben steeds per werknemer zijn huidige baanniveau vergeleken met het baanniveau wat officieel past bij zijn formele opleidingsniveau. 23 We hebben voor alle werknemers met hetzelfde opleidingsniveau het gemiddelde baanniveau berekend. Wanneer het baanniveau van de desbetreffende werknemer met een bepaald opleidingsniveau hierboven ligt dan is hij/zij ondergekwalificeerd, bij een baanniveau onder dit gemiddelde niveau is men overgekwalificeerd.
38
van de kans op onderkwalificatie en loonverschillen voor laagopgeleide werknemers. De resultaten zijn verwerkt in Engelstalige papers (“Human Capital Externalities and proximity: Effects for Low Skilled Workers” en “Personal, labour market and firm effects in explaining under-qualification: the case of low educated”). Deze zijn te downloaden via www.nicis.nl.
4.3 Analyse Baanallocatie In tabel 3.4.2 is per opleidingsniveau het percentage overgekwalificeerden, ondergekwalificeerden en gematchte werknemers weergegeven voor zowel de normatieve als de meer statistische indeling. Wat opvalt is dat overkwalificatie in alle opleidingscategorieën voorkomt en dat gemiddeld zo’n 17 tot 22% van de werknemers zich in een situatie van over kwalificatie bevindt. Zo’n 68% tot 70% van de werknemers bevindt zich in een job match op basis van onze indeling. Onderkwalificatie komt (logischerwijs) vaker voor onder de laagst opgeleiden.
39
Gemiddeld is zo’n 10 tot 13% van de werknemers ondergekwalificeerd. Tabel B.4.2 Baanallocatie per opleidingsniveau Overgekwalificeerd
Gematcht
Aantal
%
Aantal
%
Aantal
Ondergekwalificeerd %
Basisonderwijs
Stat
5459
25,3%
9585
44,4%
6549
30,3%
Norm
na
na
5459
25,3%
16134
74,7%
HAVO/VWO onderbouw
Stat
13864
31,8%
26257
60,3%
3414
7,8%
Norm
2833
6,5%
37242
85,5%
3460
7,9%
VMBO/MAVO
Stat
18769
15,3%
89443
72,7%
14780
12,0%
Norm
3183
2,6%
104962
85,3%
14847
12,1%
HAVO/VWO
Stat
2665
8,1%
28325
85,9%
1987
6,0%
Norm
16468
49,9%
14322
43,4%
2187
6,6%
MBO
Stat
24928
29,7%
49666
59,1%
9424
11,2%
Norm
24928
29,7%
48981
58,3%
10109
12,0%
HBO
Stat
14123
28,6%
35051
71,0%
197
0,4%
Norm
14123
28,6%
35248
71,4%
na
na
WO
Stat
1653
12,4%
11099
83,5%
547
4,1%
Norm
1653
12,4%
11646
87,6%
na
na
Totaal
Stat
81461
22,1%
249426
67,8%
36898
10,0%
Norm
63188
17,2%
257860
70,1%
46737
12,7%
Tabel B.4.3 geeft per postcodegebied het aandeel laagopgeleidewerknemers in een bepaalde baanallocatie weer. Gemiddeld is zo’n 13 tot 18% van de laagopgeleide werknemers ondergekwalificeerd, wat betreft over kwalificatie is de spreiding groter op basis van de twee indelingen, zo’n 3% (normatief) tot zo’n 20% (statistisch). Tabel B.4.3 percentage laagopgeleiden per baanallocatie Overgekwali-
Gematcht
Ondergekwa-
ficeerd
Rotterdam
30
31
Eindhoven
56
Helmond
57
Heerlen
64
Emmen
77
78
Totaal
lificeerd
Stat
Norm
Stat
Norm
Stat
Norm
Aantal
1626
92
5088
6253
695
1064
%
21,9%
1,2%
68,7%
84,4%
9,4%
14,4%
Aantal
546
36
2955
3278
372
559
%
14,1%
0,9%
76,3%
84,6%
9,6%
14,4%
Aantal
624
84
2482
2869
384
537
%
17,9%
2,4%
71,1%
82,2%
11,0%
15,4%
Aantal
550
55
1502
1901
330
426
%
23,1%
2,3%
63,1%
79,8%
13,9%
17,9%
Aantal
1165
379
1294
2045
135
170
%
44,9%
14,6%
49,9%
78,8%
5,2%
6,6%
Aantal
422
74
1112
1376
160
244
%
24,9%
4,4%
65,6%
81,2%
9,4%
14,4%
Aantal
239
35
728
883
119
168
%
22,0%
3,2%
67,0%
81,3%
11,0%
15,5%
Aantal
38092
6016
125285
147663
24743
34441
%
20,2%
3,2%
66,6%
78,5%
13,2%
18,3%
Er is verschil waar te nemen tussen de consortiumgemeenten, in tabel B.4.3 weergegeven naar postcode-2 gebied waarin de betreffende gemeente valt. Vooral Heerlen wijkt af, met een hoger percentage overgekwalificeerde en een lager percentage ondergekwalificeerde werknemers. Overigens liggen, met uitzondering van Helmond, alle overige consortiumge40
meenten onder het Nederlandse gemiddelde wat betreft het aandeel laagopgeleide ondergekwalificeerde werknemers. In onderstaande kaarten (figuur B.4.1) is per postcode-2 gebied het percentage ondergekwalificeerde werknemers (dus werkend op een hoger niveau dan verwacht op basis van de formele opleiding) weergegeven zoals bepaald op basis van onze dataset voor zowel de normatieve als de statistische indeling. Hoewel het percentage ondergekwalificeerden wat groter lijkt te zijn in de kern van Nederland en wat lager in perifere gebieden, is er geen sprake van een duidelijk patroon. Figuur B.4.1 Percentage onderkwalificatie onder laagopgeleiden per pc2
Opleiding en loon In tabel B.4.4 is per opleidingsniveau het gemiddelde uurloon weergegeven voor de werknemers in het ArbeidsVoorwaardenOnderzoek (AVO). Het uurloon neemt, zoals valt aan te nemen, gemiddeld toe met opleidingsniveau. De meeste variatie in loon is te vinden in de groep werknemers met een mavo- en in de groep met een wo-diploma. Uit tabel B.4.5 valt af te lezen dat het uurloon toeneemt evenredig met baanniveau. Het loont dus om op een hoger baanniveau te werken. Tabel B.4.4 uurloon per opleidingsniveau Basis
VAO
LBO
MAO
MBO
HBO
WO
Total
Uurloon
2,66
2,68
2,84
2,88
3,04
3,35
3,56
2,9535
Aantal
21707
43623
123270
33040
84131
49434
13336
368541
St.d.
0,44
0,48
0,41
0,51
0,42
0,46
0,51
,50168
Var
,198
,228
,169
,257
,176
,213
,260
,252
Tabel B.4.5 uurloon per baanniveau Niv I
Niv II
Niv III-
Niv III-
Niv IV
Niv V
Niv VI
Niv VII
Niv VIII
Total
laag
hoog
Uurloon
2,48
2,54
2,73
2,90
3,07
3,42
3,78
4,12
4,12
2,95
Aantal
12190
39844
79790
81787
93451
48113
11819
771
20
368541
St.d.
0,47
0,46
0,40
0,35
0,38
0,40
0,43
0,44
0,30
0,50
Var
0,22
0,21
0,16
0,13
0,15
0,16
0,18
0,19
0,09
0,25
41
In tabel B.4.6 is voor de laagopgeleide werknemers het gemiddelde uurloon per postcodegebied in het consortium weergegeven. De lonen voor laagopgeleiden liggen gemiddeld het hoogste in Rotterdam. Ditzelfde beeld vinden we overigens wanneer we kijken naar de werknemers met een hoog opleidingsniveau. Tabel B.4.6 Uurloon voor laagopgeleiden per postcodegebied consortiumgemeenten
Rotterdam
PC 2
Uurloon
Aantal
Std.
Var
30
2,87
7155
0,45
0,20
31
2,94
3701
0,43
0,18
Eindhoven
56
2,75
3354
0,43
0,18
Helmond
57
2,73
2325
0,45
0,20
Heerlen
64
2,74
1886
0,43
0,19
Emmen
77
2,69
1626
0,47
0,22
78
2,80
961
0,40
0,16
42
Economische stijging laagopgeleiden
Eindrapportage
Arjen Edzes Lourens Broersma Marije Hamersma Jouke van Dijk
Nicis Institute-Platform31
Postbus 30833 2500 GV Den Haag
T +31 (0)70 302 84 84
[email protected] www.platform31.nl
